pile of shiny metal bolts

SolVision成功案例

金屬螺栓AI視覺瑕疵檢測

客戶

客戶是一家總部位於亞洲的螺帽和螺栓製造商。

案例

金屬螺栓品質控制

客戶尋求一種精確的瑕疵檢測解決方案,無論螺栓的位置或方向如何,都能夠識別螺栓上的缺陷,例如小凹痕、刮痕、突起粒等瑕疵。
pile of shiny metal bolts

挑戰

降低瑕疵檢測的誤判率

為了防止瑕疵檢測中的冗餘,每個螺栓都需要從三個不同角度單獨分析。由於生產量較大,客戶要求每個螺栓的檢測過程在1秒內完成,同時保持至少90%的準確率。
不過,由於螺栓的表面反光,光反射效果易被傳統AOI視覺檢測誤認為是缺陷,使得這項任務變得更加複雜。

解決方案

創新的AI視覺瑕疵檢測方案

所羅門設計一款機器人輔助系統,使每個螺栓都能旋轉360度,拍攝三張圖像以識別任何瑕疵。
為了解決反光表面的挑戰,我們在AI視覺檢測系統SolVision中訓練一個AI模型,並且我們的工程師為客戶提供了最佳照明和背景條件的建議,最大限度的減少反射。
這種綜合方法實現了快速的檢驗過程,每個螺栓的檢查時間僅為49毫秒,準確率達到100%。

效益

每個螺栓的瑕疵檢查週期時間為 49 毫秒。
100% 瑕疵檢測準確率。
將誤判率降低至零。
相關文章
  • 飲品包裝印刷資訊品質檢測及溯源資訊存留解決方案

    運用SolVision AI影像平台的Instance Segmentation技術,以瓶蓋側文字及條碼影像樣本訓練AI模型並執行光學字元辨識(OCR),即可於高速生產的飲品產線中精準辨識外包裝上的產品資訊,除檢出印刷不良的產品外,亦大幅強化產線溯源管理及紀錄存留的效率。
  • 漸層玻璃瓶瑕疵檢測

    漸層玻璃瓶皆經過噴砂製程霧面處理,製作過程常見的瑕疵類型為色澤不均或者瓶身出現黑點,而這些瑕疵因無法明確定義且樣式不固定,難以採用AOI方法進行檢測。訓練完成的AI模型即可快速檢出玻璃瓶身各角度之瑕疵分布,並標註出缺陷位置。
  • black and white labeled box

    自動化導線架品質檢測

    導線架表面的各類瑕疵,包含邊緣毛邊、黑點雜質、刮痕等。若使用傳統的AOI檢測,當檢測背景與瑕疵較為相近時,容易發生漏檢的情形。使用SolVision AI瑕疵檢測工具進行學習,以擴增功能增加AI學習範圍,能有效檢測出各類導線架瑕疵,在雜亂或複雜背景中,也能精確辨識有很好的辨識效果。
  • 金屬外殼瑕疵檢測與分類解決方案

    利用SolVision的瑕疵檢測工具,做出AI模型Training,針對瑕疵的形狀長相建立瑕疵缺陷資料庫,將複雜的缺陷人工檢測轉化成精準度高且規律的檢測系統,以深度學習辨識異常並忽略可接受的微小缺陷,有效提升檢測精準度及速率,兼顧產品嚴格的品質要求。